莫高窟,位于中国甘肃省敦煌市,是世界上现存规模最大的、内容最丰富的中国佛教艺术圣地。近代以来,莫高窟的壁画石像受到了很多人为的破坏,以至于无法准确判断壁画的年代甚至内容。所以对于敦煌壁画的年代识别研究以及破损检测修复不仅可以推断出壁画的年代,更可以帮助考古学家以及文化研究者研究相应时代的人文、风俗以及经济。目前的一些研究工作针对特定的风格的壁画可以较好的进行年代的识别或者破损的检测。所以本文使用已公开的敦煌壁画,以提高识别精度为目标,提出了使用深度学习的方法对壁画进行年代识别及破损检测修复。本文的研究工作具体如下:(1)敦煌壁画的年代识别:针对这一部分,本文首先调研了三种流行的网络模型,分别为AlexNet、VGGNet、ResNet,之后在敦煌壁画的数据集上进行训练。最终选取精度最高的ResNet50作为基础框架并提出新的网络模型,用新的网络层替换ResNet50的第49层,提升了识别精度。并且与最近发表的两篇论文中的方法作比较,实验证明我们识别精度高于两种方法。因此证明了我们的模型具有高效的敦煌壁画年代识别能力。(2)敦煌壁画的破损检测:针对这一部分,本文使用了语义分割来实现壁画的破损检测。因为语义分割实现了像素级的分类,这样可以将问题简化成像素的两类问题,即破损区域以及完好区域。它可以很好的应用在壁画的破损检测任务上。本文通过对比传统图像分割算法,调研Fully Convolutional Networks(FCN)、U-Net、SegNet三种流行的语义分割方法,选择了U-Net网络进行训练,因为U-Net网络较容易适应小的数据集。但因为破损区域的种类较多,如裂缝,脱落,折痕,褪色等,这些破损类型给语义分割带来很大的挑战,所以本文不断地微调网络,使其可以适应多种破损类型。最终通过实验证明我们的模型达到了94.81%的精度,较好的完成敦煌壁画破损检测的任务。